長江經(jīng)濟(jì)帶物流服務(wù)創(chuàng)新能力及效率評價(jià)研究

王長瓊，李真真，羅 琦，鮑晶晶

(武漢理工大學(xué) 物流工程學(xué)院，湖北 武漢 430063)

物流業(yè)作為國民經(jīng)濟(jì)的重要組成部分，其發(fā)展水平對國家綜合實(shí)力有著重要的影響。然而目前我國物流業(yè)整體創(chuàng)新能力較弱，創(chuàng)新效率轉(zhuǎn)化低，尚未進(jìn)入“創(chuàng)新驅(qū)動”的新階段，這在一定程度上制約了長江經(jīng)濟(jì)帶的發(fā)展。長江經(jīng)濟(jì)帶作為國家發(fā)展的重要戰(zhàn)略布局，物流服務(wù)創(chuàng)新有利于其突破發(fā)展瓶頸，改善服務(wù)質(zhì)量，從而在激烈的市場競爭中獲取優(yōu)勢，因此提高自身的服務(wù)創(chuàng)新能力，加快效率的轉(zhuǎn)化就顯得尤為重要。

目前關(guān)于物流服務(wù)創(chuàng)新的研究主要集中局限于動力分析[1-2]、創(chuàng)新模式和類型[3-6]、評價(jià)體系[7-8]等方面。在物流服務(wù)創(chuàng)新能力方面，學(xué)者們從不同角度出發(fā)對物流服務(wù)創(chuàng)新能力進(jìn)行評價(jià)。如YANG以“集裝箱航運(yùn)”為研究主體，運(yùn)用結(jié)構(gòu)方程模型分析其物流服務(wù)創(chuàng)新能力與物流績效的關(guān)系[9]。申靜等結(jié)合物流服務(wù)的特點(diǎn)，采用綜合指數(shù)評價(jià)法構(gòu)建了相應(yīng)的評價(jià)模型，并對我國物流業(yè)服務(wù)創(chuàng)新能力進(jìn)行了評價(jià)[10]。馬永琦等從物流企業(yè)資源投入能力、管理能力、研發(fā)能力、學(xué)習(xí)與成長能力等維度構(gòu)建指標(biāo)體系，運(yùn)用模糊綜合法對物流企業(yè)服務(wù)創(chuàng)新能力進(jìn)行評價(jià)[11]。而結(jié)合實(shí)例研究物流服務(wù)創(chuàng)新能力和效率的文獻(xiàn)較少。為此，筆者結(jié)合長江經(jīng)濟(jì)帶典型城市的物流現(xiàn)狀，從服務(wù)創(chuàng)新環(huán)境、投入和產(chǎn)出的角度，利用驅(qū)動力模型構(gòu)建評價(jià)指標(biāo)體系，對其物流服務(wù)創(chuàng)新能力和效率進(jìn)行綜合評價(jià)，不但能夠針對性地提高服務(wù)創(chuàng)新水平，而且對于物流創(chuàng)新活動方面的決策具有重要的參考價(jià)值和指導(dǎo)意義。

1 基于驅(qū)動力模型的物流服務(wù)創(chuàng)新影響因素分析

服務(wù)創(chuàng)新是一個復(fù)雜的過程，物流服務(wù)活動的特點(diǎn)使得物流服務(wù)創(chuàng)新更為復(fù)雜。根據(jù)SUNDBO提出的服務(wù)創(chuàng)新驅(qū)動力模型，結(jié)合物流服務(wù)創(chuàng)新的基礎(chǔ)理論進(jìn)行分析，從動力因素的角度闡述影響物流服務(wù)創(chuàng)新的因素，建立基于驅(qū)動力的物流服務(wù)創(chuàng)新影響因素模型，如圖1所示。

圖1 基于驅(qū)動力的物流服務(wù)創(chuàng)新影響因素模型

1.1 外部影響因素分析

物流服務(wù)創(chuàng)新能力和效率受到多種因素影響，整個驅(qū)動力模型中外部影響因素包括政策環(huán)境、技術(shù)進(jìn)步、物流環(huán)境、多主體參與者(顧客、合作伙伴、競爭者等)和經(jīng)濟(jì)發(fā)展5個方面。

近年來我國在宏觀層面上對物流行業(yè)給予了很大的政策支持，政策環(huán)境對物流服務(wù)創(chuàng)新的影響一方面體現(xiàn)在支持政策的數(shù)量上，另一方面在“政府R&D經(jīng)費(fèi)支出”上也能得以體現(xiàn)。物流環(huán)境是物流企業(yè)創(chuàng)新最重要的外部環(huán)境，如物流園區(qū)將眾多物流企業(yè)聚集在一起，實(shí)行集中化和規(guī)?；?jīng)營，對促進(jìn)物流技術(shù)和提高服務(wù)創(chuàng)新水平具有重要的作用。現(xiàn)代企業(yè)運(yùn)作主要依靠機(jī)械化、信息化設(shè)備，物流業(yè)更需要通過信息技術(shù)來完成服務(wù)創(chuàng)新活動，“專利申請量”和“專利授權(quán)量”是先進(jìn)技術(shù)水平的反映。物流作為一個多主體參與的活動，除了員工之外，參與服務(wù)創(chuàng)新活動的顧客、競爭者、合作伙伴等都是物流服務(wù)創(chuàng)新活動中重要的驅(qū)動力。同樣，經(jīng)濟(jì)發(fā)展對于物流服務(wù)創(chuàng)新的影響是不可忽視的，“規(guī)模以上工業(yè)增加值”和“全社會固定資產(chǎn)投資”指標(biāo)則是物流行業(yè)進(jìn)行服務(wù)創(chuàng)新的經(jīng)濟(jì)基礎(chǔ)。

1.2 內(nèi)部影響因素分析

除了外部因素，物流服務(wù)創(chuàng)新活動還受到內(nèi)部因素的影響。企業(yè)內(nèi)部人力和財(cái)力的投入直接影響著物流服務(wù)創(chuàng)新水平，管理與戰(zhàn)略的制定更是創(chuàng)新活動順利開展的基礎(chǔ)，因此，整個驅(qū)動力模型中內(nèi)部影響因素包括人力資源、財(cái)力資源和企業(yè)內(nèi)部的管理戰(zhàn)略3個方面。

人力資源在服務(wù)創(chuàng)新活動中起著關(guān)鍵作用，對于物流業(yè)這種新型的服務(wù)業(yè)更是如此，人力資源是物流業(yè)創(chuàng)新活動的基石，在創(chuàng)新過程中起著至關(guān)重要的作用?！癛&D人員數(shù)量”指標(biāo)是人力資源投入最直接的體現(xiàn)。一切活動都需要一定的經(jīng)費(fèi)投入作為支撐，物流活動也不例外，一定的財(cái)力資源投入是物流服務(wù)創(chuàng)新活動順利開展的必要因素，而“R&D經(jīng)費(fèi)投入”和“物流固定資產(chǎn)增加值”是物流創(chuàng)新活動的主要資金來源。此外，物流服務(wù)創(chuàng)新不是一個簡單的活動，而發(fā)展戰(zhàn)略的制定可以幫助企業(yè)物流服務(wù)創(chuàng)新活動的順利開展。管理戰(zhàn)略的實(shí)施直接導(dǎo)致了物流效益，物流效益可以用“物流業(yè)增加值”及“社會物流總額”等指標(biāo)來衡量。

2 物流服務(wù)創(chuàng)新能力及效率評價(jià)指標(biāo)體系的構(gòu)建

通過對影響物流服務(wù)創(chuàng)新水平的因素進(jìn)行分析，結(jié)合前人經(jīng)驗(yàn)，依據(jù)科學(xué)性、全面性、可行性等原則，根據(jù)長江經(jīng)濟(jì)帶實(shí)際情況，從服務(wù)創(chuàng)新環(huán)境、服務(wù)創(chuàng)新投入及服務(wù)創(chuàng)新產(chǎn)出3個方面構(gòu)建物流服務(wù)創(chuàng)新能力評價(jià)指標(biāo)體系，如表1所示。

表1 物流服務(wù)創(chuàng)新能力評價(jià)指標(biāo)體系

物流服務(wù)創(chuàng)新效率評價(jià)是在物流服務(wù)創(chuàng)新能力評價(jià)基礎(chǔ)上進(jìn)行，根據(jù)數(shù)據(jù)包絡(luò)分析(data envelopment analysis，DEA)模型理論要求，在物流服務(wù)創(chuàng)新能力評價(jià)體系的基礎(chǔ)上從投入和產(chǎn)出兩個角度構(gòu)建物流服務(wù)創(chuàng)新效率評價(jià)指標(biāo)體系，如表2所示。

表2 物流服務(wù)創(chuàng)新效率評價(jià)指標(biāo)體系

3 物流服務(wù)創(chuàng)新能力和效率評價(jià)過程

3.1 因子分析

設(shè)有P個相關(guān)變量X1,X2，…，Xp，每個變量含有m個獨(dú)立公共因子F1,F2，…，F(xiàn)m(m≤p)和一組特殊因子ε1,ε2，…，εp，且這兩組因子之間沒有關(guān)聯(lián)性，然后進(jìn)行因子分析。

(1)數(shù)據(jù)處理。對差異較大的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后使用SPSS進(jìn)行適應(yīng)性檢驗(yàn)以確定是否適合因子分析。數(shù)據(jù)標(biāo)準(zhǔn)化處理公式如式(1)所示。

(1)

式中：Z為變量的原數(shù)值；E(Z)和D(Z)分別為變量的均值和方差；Z*為變量標(biāo)準(zhǔn)化處理后的數(shù)值。

(2)計(jì)算因子得分。提取公共因子，再進(jìn)行因子旋轉(zhuǎn)，求得因子變量得分系數(shù)矩陣，計(jì)算公共因子得分，如式(2)所示。

(2)

式中：Fγ為提取的第γ個公共因子,γ=1,2,…,m；Xi為第i個變量的數(shù)值；Wγ為該變量在第γ個公共因子上的得分系數(shù)。

(3)計(jì)算物流服務(wù)創(chuàng)新能力綜合得分。對提取的公共因子做加權(quán)處理，可得到各個城市物流服務(wù)創(chuàng)新能力的綜合分?jǐn)?shù)R，如式(3)所示。

(3)

式中：bγ為第γ個公共因子的方差貢獻(xiàn)率；t為提取公共因子的累積方差貢獻(xiàn)率。

3.2 DEA方法

(1)綜合效率。CCR模型反映了決策單元的綜合效率大小，其評價(jià)模型如式(4)所示。

minθ

(4)

式中：s-、s+分別為投入松弛變量、產(chǎn)出松弛變量；x、y分別為投入量、產(chǎn)出量；θ為評價(jià)效率值，θ無約束；λj為重新構(gòu)造一個有效DMU組合中第j個決策單元的組合比例。

(3)規(guī)模效率。根據(jù)綜合效率和純技術(shù)效率得到規(guī)模效率：

SE=TE/PTE

(5)

式中：SE為規(guī)模效率；TE為綜合效率；PTE為純技術(shù)效率。

4 長江經(jīng)濟(jì)帶典型城市評價(jià)實(shí)例

4.1 原始數(shù)據(jù)的收集

根據(jù)建立的物流服務(wù)創(chuàng)新能力和效率評價(jià)指標(biāo)體系，對長江經(jīng)濟(jì)帶11個城市相關(guān)評價(jià)數(shù)據(jù)進(jìn)行收集，通過查閱大量統(tǒng)計(jì)年鑒(《中國統(tǒng)計(jì)年鑒2016》《中國物流統(tǒng)計(jì)年鑒2016》及長江經(jīng)濟(jì)帶各城市統(tǒng)計(jì)年鑒2016)和相關(guān)物流報(bào)告的數(shù)據(jù)，整理得到各個城市物流服務(wù)創(chuàng)新能力和效率評價(jià)指標(biāo)體系的相關(guān)數(shù)據(jù)。

4.2 長江經(jīng)濟(jì)帶典型城市物流服務(wù)創(chuàng)新能力評價(jià)

筆者結(jié)合構(gòu)建的物流服務(wù)創(chuàng)新能力評價(jià)指標(biāo)體系，使用因子分析對長江經(jīng)濟(jì)帶11個城市的物流服務(wù)創(chuàng)新能力進(jìn)行評價(jià)，KMO和Bartlett檢驗(yàn)結(jié)果如表3所示。

表3 KMO和Bartlett的檢驗(yàn)

由表3可知，KMO值為0.832>0.600，故原始數(shù)據(jù)之間存在較強(qiáng)的相關(guān)性，Bartlett檢驗(yàn)中，χ2值為940.538，且概率為0.000，小于顯著性水平0.050，說明選取的變量之間相關(guān)性較強(qiáng)，因此，可進(jìn)行下一步的分析。

因子解釋原始變量總方差如表4所示，可以看出被提取的公共因子的方差貢獻(xiàn)率分別為42.076%、33.558%、15.219%，而且這3個公共因子的累積方差貢獻(xiàn)率達(dá)到90.853%，遠(yuǎn)超過85.000%，說明選取的9個評價(jià)指標(biāo)包含的信息較多，提取的3個公共因子足以表示一個城市的物流服務(wù)創(chuàng)新能力的綜合水平。

表4 因子解釋原始變量總方差

各變量在3個公共因子上的載荷表現(xiàn)如表5所示，可以看出第一個公共因子反映變量X7、X8、X9，第二個公共因子反映變量X4、X5、X6，第三個公共因子反映變量X1、X2、X3。

結(jié)合因子變量的得分系數(shù)矩陣得出3個公共因子的分?jǐn)?shù)，用線性規(guī)劃的方法表示為：

(6)

表5 旋轉(zhuǎn)成分矩陣

進(jìn)而計(jì)算各城市物流服務(wù)創(chuàng)新能力的綜合分?jǐn)?shù)R:

R=(0.420 76F1+0.335 58F2+0.152 19F3)/

0.908 53

(7)

R為一個城市物流服務(wù)創(chuàng)新能力的綜合分?jǐn)?shù)，體現(xiàn)了一個城市的物流服務(wù)水平。

各城市的物流服務(wù)創(chuàng)新能力得分和排名如表6所示，由表6可知，長江經(jīng)濟(jì)帶各城市之間的物流服務(wù)創(chuàng)新能力差別較明顯，整體呈現(xiàn)出長江下游長三角地區(qū)發(fā)展較快，上游成渝經(jīng)濟(jì)區(qū)發(fā)展滯后的趨勢，這兩個區(qū)域的物流服務(wù)創(chuàng)新綜合分?jǐn)?shù)最高為0.924 2，最低為-0.281 4，差值高達(dá)1.205 6。發(fā)展迅速的城市如杭州、上海的物流服務(wù)創(chuàng)新能力綜合得分接近1，說明這些城市的物流服務(wù)創(chuàng)新能力較強(qiáng)，對長江經(jīng)濟(jì)帶的物流服務(wù)創(chuàng)新活動起到了良好的帶頭作用。武漢、南京、重慶的物流服務(wù)創(chuàng)新能力綜合分?jǐn)?shù)在0.3～0.6之間，說明這3個城市的物流服務(wù)創(chuàng)新能力一般，這主要是由于投資不足或受到經(jīng)濟(jì)環(huán)境的影響。其他城市的物流服務(wù)創(chuàng)新能力較弱，特別是昆明、成都這些以旅游業(yè)為主的城市物流服務(wù)創(chuàng)新能力得分為負(fù)，在長江經(jīng)濟(jì)帶內(nèi)比較落后。究其原因，主要是創(chuàng)新人才、創(chuàng)新資金等投入不足制約了物流服務(wù)創(chuàng)新，所以應(yīng)借鑒先進(jìn)城市的經(jīng)驗(yàn)，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和人才比例，拓展融資渠道，加大財(cái)力投入，努力提高物流服務(wù)創(chuàng)新能力。

4.3 長江經(jīng)濟(jì)帶典型城市物流服務(wù)創(chuàng)新效率評價(jià)

結(jié)合數(shù)據(jù)包絡(luò)分析法的CCR和BCC兩種經(jīng)典模型，將長江經(jīng)濟(jì)帶11個典型城市物流服務(wù)創(chuàng)新活動看作同類決策單元(DUM)，通過DEAP2.1對數(shù)據(jù)加以分析，得到2015年各城市DEA評價(jià)中各效率的取值，如表7所示。

表6 長江經(jīng)濟(jì)帶典型城市物流服務(wù)創(chuàng)新能力得分和排名

表7 2015年各城市DEA評價(jià)結(jié)果

由表7可知，2015年長江經(jīng)濟(jì)帶典型城市的綜合效率平均值為0.912，純技術(shù)效率的平均值為0.961，規(guī)模效率的平均值為0.949。規(guī)模報(bào)酬方面，除了合肥、長沙、貴陽、成都、南昌5個城市處于規(guī)模報(bào)酬不變階段外，武漢、南京、杭州、重慶4個城市規(guī)模報(bào)酬遞減，上海和昆明規(guī)模報(bào)酬遞增。

具體來看，合肥、長沙、貴陽、成都、南昌5個城市各項(xiàng)效率值都達(dá)到了1.000，即都達(dá)到了DEA有效，說明這些城市2015年投入到物流服務(wù)創(chuàng)新活動中的資源配置是合理的，產(chǎn)出也達(dá)到了最佳效果。武漢、南京和杭州3個城市的綜合效率沒有達(dá)到1.000，即這些城市DEA無效，但是它們的純技術(shù)效率為1.000，表明這3個城市的物流服務(wù)創(chuàng)新管理和技術(shù)成熟，因此這3個城市處于輕度DEA無效狀態(tài)，原因在于規(guī)模效率值偏低，其資源配置不合理，投入產(chǎn)出未達(dá)到最佳比例。同時，由于這3個城市規(guī)模報(bào)酬處于遞減階段，不能通過增加資源的投入量來提高城市的物流服務(wù)創(chuàng)新效率，故應(yīng)該重新調(diào)整資源投入的結(jié)構(gòu)和布局，在一定程度上減少相關(guān)資源的投入量，提高資源的利用率和轉(zhuǎn)化效率，加快產(chǎn)出成果轉(zhuǎn)化為物流效益的速率。

上海、重慶、昆明的各項(xiàng)效率指標(biāo)值都小于1.000，屬于DEA無效，但其純技術(shù)效率略低于規(guī)模效率。其中上海、昆明規(guī)模報(bào)酬遞增，即表示現(xiàn)有服務(wù)創(chuàng)新規(guī)模不足，具備投資的積極性，可以考慮增加服務(wù)創(chuàng)新資源投入以達(dá)到最優(yōu)規(guī)模量。重慶規(guī)模報(bào)酬遞減，說明其綜合效率不高的主要原因在于投入的物流服務(wù)創(chuàng)新資源未得到有效利用，存在冗余。因此，可以適當(dāng)減少投入，或者將重心投入到基礎(chǔ)環(huán)境的建設(shè)之中，努力為物流服務(wù)創(chuàng)新創(chuàng)造一個良好的環(huán)境。

總的來說，2015年長江經(jīng)濟(jì)帶區(qū)域的物流服務(wù)創(chuàng)新水平整體情況較好，平均值達(dá)到90%以上，除了重慶和上海兩個城市的綜合效率小于0.800，其余城市都較為理想。而純技術(shù)效率的數(shù)值除了昆明的偏低以外，其余的城市也都達(dá)到了85%，并且規(guī)模效率值在95%左右，所以長江經(jīng)濟(jì)帶的物流服務(wù)創(chuàng)新轉(zhuǎn)化速率較快。

5 結(jié)論

基于驅(qū)動力模型，從物流服務(wù)創(chuàng)新環(huán)境、投入和產(chǎn)出的角度出發(fā)，提煉影響物流服務(wù)創(chuàng)新的指標(biāo)，建立物流服務(wù)創(chuàng)新能力和效率評價(jià)體系，對長江經(jīng)濟(jì)帶11個城市進(jìn)行評價(jià)。通過因子分析和DEA模型分析得出以下結(jié)論：長江經(jīng)濟(jì)帶的物流服務(wù)創(chuàng)新水平總體情況較為理想，但上下游城市存在較大差異，上海、杭州等下游城市的物流服務(wù)創(chuàng)新水平相對較好，昆明、成都等上游城市的物流服務(wù)創(chuàng)新水平較弱，符合實(shí)際情況，驗(yàn)證了評價(jià)體系的有效性，為該地區(qū)物流服務(wù)創(chuàng)新的發(fā)展決策提供了有力依據(jù)。

為進(jìn)一步提升物流服務(wù)創(chuàng)新水平，筆者提出以下建議：

(1)因地制宜地制定方案，提升物流服務(wù)創(chuàng)新能力和效率。長江經(jīng)濟(jì)帶各城市物流服務(wù)創(chuàng)新現(xiàn)狀不一，應(yīng)根據(jù)其實(shí)際情況，提出針對性的解決方法。服務(wù)創(chuàng)新能力較弱的城市應(yīng)學(xué)習(xí)先進(jìn)城市的經(jīng)驗(yàn)，合理調(diào)整物流服務(wù)創(chuàng)新人才結(jié)構(gòu)、資金等資源的投入比例，以期快速提高其物流服務(wù)創(chuàng)新能力。位于效率前沿的城市，一方面要保持帶頭作用，另一方面也要不斷探索物流服務(wù)創(chuàng)新活動的新路徑。效率相對不足的城市要結(jié)合自己的狀況，對現(xiàn)有資源進(jìn)行合理化布局，以改善其物流服務(wù)創(chuàng)新效率產(chǎn)出不足的現(xiàn)狀。

(2)創(chuàng)造良好的服務(wù)創(chuàng)新環(huán)境。物流服務(wù)創(chuàng)新的實(shí)施與良好的創(chuàng)新環(huán)境密不可分，因此，在調(diào)整資源結(jié)構(gòu)的同時，也應(yīng)該為物流服務(wù)創(chuàng)新拓寬市場道路。一方面，可以實(shí)施“走出去”策略，借助經(jīng)濟(jì)的發(fā)展帶動物流產(chǎn)業(yè)的服務(wù)創(chuàng)新活動。另一方面，可以通過加強(qiáng)與物流活動中各參與主體的合作與交流，在物流行業(yè)創(chuàng)建一個良好的創(chuàng)新環(huán)境，以此促進(jìn)物流服務(wù)創(chuàng)新能力及效率的進(jìn)步，實(shí)現(xiàn)共贏式發(fā)展。